Автоковариационная и автокорреляционная функция:
Частная автокорреляционная функция – устранено влияние всех про-межуточных членов ряда между t и t+:
Ряд AR(p) стационарен, если все корни характеристического уравне-ния по модулю больше единицы.
Ряд MA(q) стационарен всегда, но обратим (представим в виде AR(p)), если все корни по модулю больше единицы.
Иллюстрация для модели AR(1)
rчаст()
r ()
Этап 1: нахождение α1,…,αp из системы линейных уравнений порядка p.
Подставляем выборочные значения r(k) и находим α1,…,αp.
Протиражируем соотношение (0) для t+1,…, t+q.
Замечание: удобно идентифицировать модель ARMA(p, 1), для q ≥ 2 ис-пользуются численные методы.
Оператор «дельта»: = 1 – F_:
t = t – t–1.
Часто множители не идентичны, но близки между собой:
Пример:
## Зависимость расходов населения y(t) от наблюдаемых доходов x(t).
k – доля дохода, которая тратится через k периодов после получения.
Если наблюдаемый доход равен истинному, k = 1, k [0; 1]
Если наблюдаемый доход меньше истинного, k > 1
## Инфляция негативно влияет на экономический рост не сразу, а спустя
некоторое время.
## Зависимость объемов основных фондов y(t) от инвестиций x(t).
Решение проблемы – особая структура модели!
Общий случай – зависимость большого числа коэффициентов дистрибу-тивной лаговой модели 0, 1,…,T от малого числа параметров α1,…, αm.
Частные случаи:
1. Экспоненциальное убывание силы воздействия – модель Койка.
2. Полиномиальная лаговая структура Ширли Алмон.
Вычтем второе неравенство из первого:
Итоговая модель:
Преимущества модели:
Бесконечное число параметров меняется на три: α, θ0, .
Исчезает проблема мультиколлинеарности.
Модель из дистрибутивно-лаговой превращается в авторегрессию.
Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:
Email: Нажмите что бы посмотреть